论文提出划分理论揭示 AI 评测与监管的理论边界

Ahmed M. Mahran 发表论文提出评测划分理论，证明智能体评测受限于评测者的感知能力，通过测试最多只能证明辨别力的下限而无法确立上限。研究指出行为评测无法检测出对较弱模型的精确模仿， echo-test 难以有效识别能力隐藏（sandbagging）。该结论表明任何仅基于行为评测来主张模型缺乏某项能力的安全案例，都必须默认模型是主动配合的。